谷歌Gemini 4突然发布！RSI加持，GPT和Opus都让让

鹭羽 发自 凹非寺

量子位 | 公众号

哎呦喂，谷歌终于也是蹬起来了。。。

假期第一天，谷歌携 4 Argon空降多榜单第一。

拳打Opus 5.5，脚踢GPT-6 Astra。

更夸张的还在后头，单项任务成本最低可至1.99美元，直接是Astra费用砍半。

最高百万Token输出上限，面向编程、金融和法律等复杂工作流，而且划重点，网络安全防御能力超牛掰。

这波等等党要赢麻了。

不过吧，咱普通用户现在只可远观，暂时还吃不上。

4 Argon目前只开放给部分经过筛选的网络安全团队使用，其它订阅用户得一步步来。

倒是谷歌内部对新一代旗舰模型的态度还挺有意思的。

劈柴哥、哈萨比斯还有接班人Koray ，纷纷一键三连为其站台：谷歌is back！

研究员Zirui Wang发帖直言：

RSI来了！我已做无可做，是时候追逐我的咖啡师梦想了：)

讲真？

轮到你了，谷歌

全体起立！咱盼星星盼月亮的 4，它终于来了。

仔细数一数，距离谷歌上一代旗舰模型发布都快一年了，哪吒都没这么难产。

这一年、是追着谷歌砍啊，放假前一周还连发Opus 5.5、 5.5、GPT-6.1 Sol逼宫。

你说谷歌能不急吗，新型号Argon火速上岸。

先看跑分情况，清一色的性能领跑。

Argon在衡量长期软件工程任务的 v1.1上拿到77.9%，高于 Opus 5.5的74.2%和GPT-6 Astra的74.1%。

网络安全漏洞修复测试CWE-bench v1则拿到68%，和GPT-6 Astra并列第一。

Argon以68.90%登顶Vals Index榜首，较 3.8 Flash实现大幅提升。

尤其是RSI指数一跃第四，超越了GPT-6 Astra。

4 Argon在另外的第三方评测中也不遑多让。

文本领域，Argon在代码编写、高难度提示词、指令遵循、长查询以及创意写作赛道优势显著，以1525分位居Text Arena第一。

在评测网页开发的Code Arena中排名第八，较 3.8 Flash High提升了21个名次，但依旧稍逊于和GPT最新模型。

测评中，Argon和GPT-6 Astra旗鼓相当，高于GPT-6.1 Sol一分，提升主要来自于更少的幻觉和更强的智能体能力。

但在价格上，Argon相比Astra优势明显。

优惠期间Argon单题成本约低四成，每百万输入Token为2美元、输出Token为10美元，目前是最具性价比的模型之一。

在具体工作中，Argon也更倾向于处理复杂且长期的深度推理任务，比如软件工程、企业专业知识梳理以及网络安全防御等。

模型的百万Token输出上限，就是为这种长任务准备的，它能给模型更多连续工作的余地和充足的推理深度。

以谷歌内部使用情况为例，其中Argon在谷歌各数据中心自主识别并落地内存优化方案，待方案全面部署后，预计可释放超300 TiB内存。

另一个案例中，Argon Agent围绕视频解码器的Rust移植版本，反复实验并替换了3.2万行SIMD代码，最终版本运行速度达到原Rust移植版的2.7倍。

官方还重点强调了Argon的防御性网络安全优势。

它能够自主发现、验证并修补20多种语言的关键软件漏洞，在Wiz内部黑箱渗透测试中，模型可以在无源代码下实时分析网络系统，高效发现攻击面、识别漏洞以及生成概念验证证据。

为了防止滥用，Argon首批进入的是谷歌的计划，面向经过审核的网络安全防御方。

对受信任的防御团队，谷歌会放开针对网络安全任务的部分限制，Argon将帮助防守方补洞，以及用来寻找攻击入口。

One More Thing

不过嘴上说说得了，Argon实际跑起来怎么样，还得打个问号。

毕竟咱普罗大众还没用上啊喂。。。

有小道消息透露，谷歌内部员工对 4并不完全看好。

一些接触过 4的员工认为，模型在实际编程任务中并没有跑分那么亮眼，网页和应用的前端界面设计仍是短板，甚至存在过度刷榜的嫌疑。

然而另一名熟悉开发工作的员工则表示，内部普遍认为 4已达到前沿水平。谷歌也回应称，说它编程表现不佳并不准确。

总之模型到底咋样，还有待观察。

所幸的是，谷歌终于回到了牌桌之上。

参考链接：